基于模糊神经网络的非线性动态系统建模

根据在柴油机试验中得到的输入和输出数据,利用一种模糊神经网络--自适应神经模糊推理系统(ANFIS)建立了描述柴油机动态性能的T-S模糊模型.利用Matlab的模糊工具箱进行仿真,结果表明,该模型可以准确地描述柴油机在整个工作范围内的动态性能.并将ANFIS与BP神经网络做了比较,分析了ANFIS在参数收敛速度及建模精度上的优越性.该模型将被用于柴油机控制系统的性能分析和控制方案设计中.     

基于传递函数法的柴油机气缸压力识别

在柴油发动机气缸压力的识别过程中，把缸盖系统看成一个多输入单输出的线性系统，对测试数据进行时域统计平均预处理，提高信噪比，通过时域加窗截取对于气缸压力的那一段振动响应信号，去除邻缸的干扰和其他不相关的激励力的影响．再设计一个有限冲击响应低通滤波器，消除高频噪声，求出系统的传递函数，恢复气缸压力．结果表明，恢复的气缸压力与原始信号吻合很好，特别是低幅值部分的恢复要优于其他方法．     

基于dSPACE平台的柴油机测控系统硬件在环仿真

为了降低柴油机测控系统的开发时间和费用,采用dSPACE硬件在环仿真平台,对柴油机测控系统进行了开发.采用BP神经网络改进了柴油机准稳态模型,使用Matlab/Simulink软件建立了TBD620V12型增压柴油机的改进准稳态模型,并检验了新增的爆发压力模型和滑油压力模型的精度.在dSPACE处理器中运行该仿真模型,并通过输入输出接口板及接口电路将测控系统与dSPACE平台连接,实现了测控系统与柴油机模型的闭环仿真.仿真结果与试验数据对比表明:相对误差小于3%,从而可用硬件在环仿真代替实机试验,缩短了测控系统的开发周期,并降低了开发成本.     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

基于BP神经网络的柴油机工作过程模拟

在分析前向型BP神经网络基本原理的基础上,建立了基于BP神经网络的柴油机工作过程模型,提出了建模与实际工作过程分离的方法,建模过程简洁,计算结果与实际值取得较好的吻合.     

基于神经网络的信号交叉口进口车道交通延误预测

基于误差反向传播(Back Propagation,BP)神经网络建立了适应能力较强的信号交叉口进口车道平峰时的交通延误网络模型,并利用邯郸市某信号交叉口进口车道的平峰小时交通延误的数据,对该BP神经网络预测模型进行训练和测试.比较分析预测结果和实际数据,结果表明该BP神经网络对于交叉口进口车道的交通延误预测结果可靠有效.此外,在交通情况更加复杂的信号交叉口或者时间段,以该模型为基础可以建立更加可靠的预测信号交叉口进口车道交通延误模型.     

基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

基于LabVIEW的柴油机振动信号测试与分析

文中介绍了基于LabVIEW开发平台的柴油机缸盖振动信号采集与分析,结合PCI-4472开发了数据采集系统。利用LabVIEW和Matlab的强大功能,编写信号分析与模式识别程序,模拟柴油机气阀漏气和气门间隙异常等故障,获取3110柴油机缸盖振动信号并建立AR与RBF神经网络结合的诊断模型进行了故障识别,这对于实现故障诊断的数字化与智能化有重要的意义。     

柴油机缸盖振动信号的时间特征和循环波动性

充分利用柴油机缸盖和喷油器、气门摇臂座、螺栓等部件的振动信号，对柴油机的工作过程、喷油系统和气门机构等进行故障诊断有着重要意义。文中着重分析柴油机缸盖振动信号的时间特征信号的时间特征和循环波动性，并提出消除波动性的一些措施，提高了故障 怕的准确性。     

基于最大信噪比算法在缸盖振动信号中的分离研究

对柴油机缸盖表面振动信号进行分析处理,可以判定内部零部件的状态以及柴油机的工作状态,但实际上由于各路信号时域和频域有混叠,很难准确分离．针对现有内燃机监测诊断信号分析方法的不足,研究了基于最大信噪比的盲源分离算法．该算法将求优过程转化为广义特征值问题求解,整个过程无须迭代．通过对仿真振动信号的分离表明其有效性,从试验对象某四缸柴油机上拾取实测缸盖振动信号处理,结果显示了该算法在柴油机故障监测诊断上有良好的应用前景．     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

基于神经网络的振动压路机土壤压实度数据处理

应用BP神经网络数据处理,研究在振动压路机振动加速度实时检测中,振动加速度与土壤压实度之间的关系。研究结果表明:振动加速度与土壤压实度之间是正相关的,但并不是线性关系;通过BP神经网络的非线性映射可以很好的映射二者之间的关系。     

声强选通分析技术在柴油机故障诊断中的应用与研究

本文根据柴油机气缸盖的噪声与振动特性,论述了在缸盖上用声、振信号诊断喷、供油系统和配气机构故障的可行性;利用缸盖上的声强信号对290QN型柴油机的喷,供油系统和配气机构的几种典型故障进行了诊断,提出了相应的判别准则。本文将声强选通频谱分析技术引进柴油机故障诊断,对声强在机械故障诊断中的应用做了比较深入的探索。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基于LabVIEW的BP算法及其在发动机故障诊断中的应用

介绍了虚拟仪器技术,应用LabVIEW软件编制了基于BP算法的训练网络和诊断网络,使之能更有效地、直观地了解BP神经网络的工作状态,从而为汽车信号系统的分析和发动机故障系统诊断提供了有效的方法。